【PyTorch】torchvision.transformsを使って、学習時のデータ拡張(Data Augmentation)を行う

PyTorchにおける学習時のデータ拡張の方法について見ていきます。
データ拡張を行うためのtorchvision.transformsについて説明した後に、学習時のコードのどこに追加すればデータ拡張が行われるのか説明します。

torchvision.transforms
DNNの学習時にtorchvision.transformsでデータ拡張
関連記事、参考資料

torchvision.transforms

transforms（torchvision.transforms）は、様々な画像変換を行なうことができ、細かい調整も簡単に行なうことができます。今回は、いくつかの変換を以下の画像に適用させて、動作を見ていきます。

import matplotlib.pyplot as plt
import numpy as np
import torch
import torchvision.transforms as T
from torchvision.io import read_image

def show(imgs): #画像表示用の関数
    img = T.ToPILImage()(imgs.to('cpu'))
    plt.figure(figsize=(10, 10), dpi=300)
    plt.imshow(np.asarray(img))

img = read_image('data-test2000.jpg')
show(img)

RandomHorizontalFlip

RandomHorizontalFlip(p=0.5)は、水平方向に反転させることができます。pは水平方向に反転させる確率で、p=1であれば100%の確率で反転させます。

transform = T.Compose(
    [T.RandomHorizontalFlip(p=1),
     ]
)

img_T = transform(img)
show(img_T)

RandomRotation

RandomRotation(degrees)は、画像を回転させることができます。degreesに回転させる角度を指定します。例えば、degrees=[-15, 15]と記載した場合は、-15°〜15°の範囲内でランダムに回転されます。

transform = T.Compose(
    [T.RandomRotation(degrees=[-15, 15]),
     ]
)

img_T = transform(img)
show(img_T)

RandomErasing

RandomErasing(p=0.5)、はランダムに矩形を選択し、削除します。pは削除する確率です。他のオプションによって、削除する範囲や大きさを指定することができます。

transform = T.Compose(
    [T.RandomErasing(p=1),
     ]
)

img_T = transform(img)
show(img_T)

DNNの学習時にtorchvision.transformsでデータ拡張

PyTorchのQuickStartのコードに、追加する形でデータ拡張を行います。まず、ここまで紹介してきたデータ拡張をすべて利用できるようにします。

transform = T.Compose(
    [T.RandomHorizontalFlip(p=0.1), 
     T.RandomRotation(degrees=7.5),
     T.RandomErasing(p=0.1)]
)

次に、QuickStartの学習のコードにtransformを追加します。Xにバッチ毎に画像データが抽出されるので、そのXに適用できるようにします。追加は非常に簡単で、X = transform(X)を一行追加するだけです。

def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)
    model.train()
    for batch, (X, y) in enumerate(dataloader):
        X, y = X.to(device), y.to(device)
        
        X = transform(X) #データ拡張追加

        # Compute prediction error
        pred = model(X)
        loss = loss_fn(pred, y)

        # Backpropagation
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

        if batch % 100 == 0:
            loss, current = loss.item(), batch * len(X)
            print(f"loss: {loss:>7f}  [{current:>5d}/{size:>5d}]")

PyTorchのQuickStart+データ拡張の全コード

import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
import torchvision.transforms as T
from torchvision.transforms import ToTensor, Lambda, Compose
import matplotlib.pyplot as plt

# Download training data from open datasets.
training_data = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor(),
)

# Download test data from open datasets.
test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor(),
)

batch_size = 64

# Create data loaders.
train_dataloader = DataLoader(training_data, batch_size=batch_size)
test_dataloader = DataLoader(test_data, batch_size=batch_size)

for X, y in test_dataloader:
    print("Shape of X [N, C, H, W]: ", X.shape)
    print("Shape of y: ", y.shape, y.dtype)
    break

# Get cpu or gpu device for training.
device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using {device} device")

# Define model
class NeuralNetwork(nn.Module):
    def __init__(self):
        super(NeuralNetwork, self).__init__()
        self.flatten = nn.Flatten()
        self.linear_relu_stack = nn.Sequential(
            nn.Linear(28*28, 512),
            nn.ReLU(),
            nn.Linear(512, 512),
            nn.ReLU(),
            nn.Linear(512, 10)
        )

    def forward(self, x):
        x = self.flatten(x)
        logits = self.linear_relu_stack(x)
        return logits

model = NeuralNetwork().to(device)
print(model)

loss_fn = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(model.parameters(), lr=1e-3)

transform = T.Compose(
    [T.RandomHorizontalFlip(p=0.1), 
     T.RandomRotation(degrees=[-7.5, 7.5]),
     T.RandomErasing(p=0.1)]
)

def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)
    model.train()
    for batch, (X, y) in enumerate(dataloader):
        X, y = X.to(device), y.to(device)

        X = transform(X) # データ拡張追加

        # Compute prediction error
        pred = model(X)
        loss = loss_fn(pred, y)

        # Backpropagation
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

        if batch % 100 == 0:
            loss, current = loss.item(), batch * len(X)
            print(f"loss: {loss:>7f}  [{current:>5d}/{size:>5d}]")

def test(dataloader, model, loss_fn):
    size = len(dataloader.dataset)
    num_batches = len(dataloader)
    model.eval()
    test_loss, correct = 0, 0
    with torch.no_grad():
        for X, y in dataloader:
            X, y = X.to(device), y.to(device)
            pred = model(X)
            test_loss += loss_fn(pred, y).item()
            correct += (pred.argmax(1) == y).type(torch.float).sum().item()
    test_loss /= num_batches
    correct /= size
    print(f"Test Error: \n Accuracy: {(100*correct):>0.1f}%, Avg loss: {test_loss:>8f} \n")

epochs = 5
for t in range(epochs):
    print(f"Epoch {t+1}\n-------------------------------")
    train(train_dataloader, model, loss_fn, optimizer)
    test(test_dataloader, model, loss_fn)
print("Done!")

torch.save(model.state_dict(), "model.pth")
print("Saved PyTorch Model State to model.pth")

model = NeuralNetwork()
model.load_state_dict(torch.load("model.pth"))

classes = [
    "T-shirt/top",
    "Trouser",
    "Pullover",
    "Dress",
    "Coat",
    "Sandal",
    "Shirt",
    "Sneaker",
    "Bag",
    "Ankle boot",
]

model.eval()
x, y = test_data[0][0], test_data[0][1]
with torch.no_grad():
    pred = model(x)
    predicted, actual = classes[pred[0].argmax(0)], classes[y]
    print(f'Predicted: "{predicted}", Actual: "{actual}"')